KM生存分析

做个笔记怕自己忘记
参考资料：
http://www.ttdoc.cn/article/530.jhtml
https://www.jianshu.com/p/3b911d978691

主要使用的R包：
【survival】分析
【survminer】可视化

Kaplan-Meier法（KM）

• 使用条件：二分类变量
• 比较两组生存数据是否具有差异：log-rank test
  survminer可视化时，设置参数为ggsurvplot(data , pval = TRUE)，置信区间conf.int = TRUE，生存时间中位数surv.median.line = "hv"
• 数据内容：生存状态，生存时间，变量（想要知道变量和生存的关系）
• 代码
  这里的sig我按照有无分为0，1这样的二分类变量

1. 分析

> PFS_km_ID3 <- survfit(Surv(PFS.Months ,PFS.Status) ~ sig3, data = sigdata)

2. 可视化

> ggsurvplot(PFS_km_ID3, pval = TRUE)

乘积极限法，首先计算出活过一定时期的病人再活过下一时期的概率（即生存概率），然后将生存概率相乘，即为相应时段的生存率。log rank test是计算不同日期两种（或多种）疗法的暴露人数及出现终点人数，计算不同时期期望人数与实际出现终点的差值，以此可作卡方检验作出判断。当P<0.05，认为两组或多组总体生存曲线差别有统计学意义。

多变量cox分析

多变量cox分析之后每个变量都会有一个系数，结果可以通过森林图进行展示，每个变量都会有p-value和HR score（风险），以及regression coeficient，可以通过regression coefficient进行多变量建模。